学习DIP第59天
转载请标明本文出处:http://blog.csdn.net/tonyshengtan ,出于尊重文章作者的劳动,转载请标明出处!文章代码已托管,欢迎共同开发:https://github.com/Tony-Tan/DIPpro
开篇废话
废话开始,今天本来只想写一篇,但晚上觉得还是快把区域分割简单介绍下,后面开始彩色图像类的知识学习和代码实现,下一篇介绍分水岭算法,这才是个头疼的算法,今天的区域分离(合并)相对比较好理解。
算法原理
首先本算法依然是基于区域的,用到的区域的性质是区域的均值和标准差,简单描述算法,如果一个区域满足设定的均值范围和标准差范围,设置整个区域为亮,否则将次区域分为四份,每一份继续递归进行,直至预先设定的最小区域。
从结构来讲可以抽象成一颗四叉树:
算法最核心的是设计一个判别式,上面说的判别式是均值和均方的联合,也可以使用其他判别式,根据实际情况可以具体设计。
算法:
- 初始化,输入参数,包括均值上下界m1,m2,标准差上下界d1,d2
- 计算区域均值和标准差,如果满足条件,输出对应设置为亮 否者将区域分为四份
- 将其中一份带入步骤2递归进行计算
- 如果区域分割小于设定的最小值结束递归。
代码
/*******************************************************************************/
/*
*区域分割算法,递归进行判断
*如果区域不符合条件,将区域
*分为四份,递归判断每个区域
*知道区域分为最小设定值
*/
void findSplitRegion(double *src,double *dst,int width,int height,int x,int y,int w_width,int w_height,double mean_param1,double mean_param2,double variance_param1,double variance_param2){
double mean=RegionMean(src, width, height, x, y, w_width, w_height);
double variance=RegionStdDeviation(src, width, height, x, y, w_width, w_height);
if(mean>mean_param1&&
mean<=mean_param2&&
variance>variance_param1&&
variance<=variance_param2){
RegionSetOne(dst, width, height, x, y, w_width, w_height);
}else{
#define MINIMAL_CELL 3
if(w_width>=MINIMAL_CELL&&w_height>=MINIMAL_CELL){
findSplitRegion(src, dst, width,height, x, y, w_width/2+1, w_height/2+1, mean_param1, mean_param2, variance_param1, variance_param2);
findSplitRegion(src, dst, width,height, x+w_width/2, y, w_width/2+1, w_height/2+1, mean_param1, mean_param2, variance_param1, variance_param2);
findSplitRegion(src, dst, width,height, x+w_width/2, y+w_height/2+1, w_width/2+1, w_height/2, mean_param1, mean_param2, variance_param1, variance_param2);
findSplitRegion(src, dst, width,height, x, y+w_height/2, w_width/2+1, w_height/2+1, mean_param1, mean_param2, variance_param1, variance_param2);
}
}
}
void RegionSplit(double *src,double *dst,int width,int height,double mean_param1,double mean_param2,double variance_param1,double variance_param2){
double *dsttemp=(double *)malloc(sizeof(double)*width*height);
findSplitRegion(src, dsttemp, width, height, 0,0, width, height, mean_param1, mean_param2, variance_param1,variance_param2);
matrixCopy(dsttemp, dst, width, height);
free(dsttemp);
}
实验结果
原图:
想要分离周围的星云,参数见图中标注:
原图:
同样分离周围的星云,参数见图中标注:
总结
此算法运行速度很快,但精确度不够高,因为设置的最小区域值决定了区域分割的准确性,所以会有锯齿状的边缘,这是一个缺点。
待续。。。
时间: 2024-10-09 08:30:56